分布式：分布式事务的Cap与Base理论Season2：其三

Posted 2021-04-25 漫步君

首先我们先回顾一下关系型数据库（mysql、Oracle）中的ACID原理：

原子性Atomicity：是指事务是一个不可在分割的工作单元，事务中的操作要么都发生，要么都不发生；

一致性Consistency：一致性是指在事务开始之前和事务结束以后，数据库的完整性约束没有被破坏，即事务前后数据的完整性必须保持一致；

隔离性Isolation：多个用户并发访问数据库时，数据库为每个用户开启的事务不能被其他事务的操作数据所干扰，多个并发事务之间要相互隔离；

持久性Durability：一个事务一旦被提交，它对数据库中数据的改变就是永久性的，接下来即使数据库发生故障也不应该对其有任何的影响。

 

分布式事务产生的背景：

在微服务环境下，会因为会根据不同的业务会拆分成不同的服务，比如：会员服务、订单服务、商品服务等，让专业的人做专业的事，每个服务都有自己独立的数据库和Redis，并且是独立运行、互不影响、

服务于服务之间通讯采用RPC远程调用技术，但是每个都有自己独立的数据源，即自己独立的本地事务，两个服务于相互通讯的时候，两个本地事务互不影响，从而产生分布式事务问题。

传统项目大部分情况下不会产生分布式事务，但是在项目中如果用到了多数据源技术时就会产生分布式事务问题。

微服务环境下会根据不同的业务拆分成不同的服务，每个服务都有独立的数据库，互不影响，相互通讯采用RPC远程调用技术。

本地事务的有效范围是在同一个JDBC连接中，使用同一个事务管理器。

 

如果是调用接口时出现了异常，是不属于分布式实务问题的，因为可以通过人为控制手动抛出异常使得进行事务回滚。

 

CAP帽子原理：

由于对系统或者数据进行了拆分，我们的系统不再是单机系统，而是分布式系统，针对分布式系统的CAP原理包含如下三个要素：

Consistency一致性：在分布式系统中所有的数据备份在同一时刻具有相同的值，所有节点在同一时刻读取的数据都是最新的数据副本。

Availability可用性：好的响应性能，完全的可用性是指在任何故障模型下，服务都会在优先的时间内完成并进行响应

Partitiontolerance分区容忍性：尽管网络上有部分消息丢失，但系统仍然可以继续工作。

CAP原理是指：这是哪个要素最多只能同时实现两点不可三者兼顾。因此在进行分布式架构设计时，必须做出取舍。而对于分布式数据系统，分区容忍性是基本要求，否则就是去了价值，因此设计分布式数据系统就是在一致性和可用性之间取得一个平衡。

对于大多数的Web应用，其实并不需要过分强调一致性，因此牺牲一致性换取高可用性，是目前多数分布式数据库产品的方向（但也保证了最终一致性）。

选择	说    明
CA	放弃分区容错性，加强一致性和可用性，其实就是传统的单机数据库的选择
AP	放弃一致性（这里说的一致性是强一致性），追求分区容错性和可用性，这是很多分布式系统设计时的选择，例如很多NoSQL系统就是如此
CP	放弃可用性，追求一致性和分区容错性，基本不会选择，网络问题会直接让整个系统不可用

 

Base理论是指：Basically Available（基本可用）、Soft-state（软状态/柔性事物）、EventualConsistency（最终一致性）。是基于CAP定义演化而言，是对CAP中一致性和可用性进行权衡后的一个结果

核心思想是即使无法做到强一致性，但每个业务可以根据自身的特点，采用适当的方式来使得系统达到最终一致性。

1.基本可用：是指分布式系统在出现故障的时候，允许损失部分可用性，保证核心可用（不是不可用）。如：搜索引擎0.5秒返回查询结果，但由于故障，2秒后才响应查询；或者因为网页访问过多，对部分用户采用降级的方式。

2.软状态：软状态是指允许系统存在中间状态，并且该中间状态不会影响系统整体的可用性，即允许系统在不同节点间进行副本同步的时候可以存在延迟。

3.最终一致性：系统中所有的数据副本经过一定时间后，最终能达到一致的状态，不需要实时保证系统数据的强一致性。最终一致性是弱一致性的一种特殊情况。

BASE理论面向的是大型高可用、可扩展的分布式系统，通过牺牲强一致性来获得可用性。

传统数据库常用设计理念的ACID就是强一致性的一种体现。